面对 AI 的狂飙突进，我们最底层的恐惧往往源于一个简单的算术逻辑：如果机器能干 10 个人的活，那剩下的 9 个人是不是就要失业？然而，历史和经济学给出的答案远比这复杂。真正决定你职业生死的，不是 AI 有多聪明，而是你所在行业的需求到底“吃饱了没有”。
回望 19 世纪的纺织厂，自动化最初并没让工人流落街头，反而因为布料便宜了，让每个人都想多买几件衬衫。正如经济学家 James Bessen 所揭示的：决定就业的，不只是“机器多快”，而是价格下降之后，需求会不会爆炸式上升。 当需求深不见底时，效率提升就是降价之后的需求爆发；只有当“衣柜已满”，效率才会变成裁员的催化剂。这就是那条最关键的“倒U型”曲线。
汽车工业给了另一种解法：不是只造“更便宜的同一辆车”，而是把成本节省变成复杂度升级与流程扩张；再加上新市场不断被打开，于是长期处在“还没吃饱”的状态。
这个逻辑在今天的医疗 AI 领域再次上演。即便 AI 看图已经快如闪电，放射科医生却创下了薪酬和缺口的新高。这背后隐藏着一个迷人又残酷的真相：AI 提升了效率，但效率提升不一定减少工作量，反而可能把需求炸出来。 我们进入了“杰文斯悖论”的怪圈——因为检查变快变便宜了，医生开单的频率反而更高了。工作并没有消失，只是从机械的“看图”进化成了更复杂的“决策与管理”。
至于那动辄三万亿美元的算力投入，或许在财务报表上看起来像个巨大的泡沫。但我们要区分“好泡沫”与“坏泡沫”。比起郁金香这种纯粹的数字游戏，当前的 AI 更像是当年的铁路与光纤。技术革命从来不是简单的“机器换人”。它更像是一把大锤，砸碎了旧的高墙，让原本昂贵的商品和服务流向大众。 即使公司会倒闭，但留下的算力地基将让下一代应用拔地而起。
这不仅是人与机器的赛跑，更是“未满足的欲望”与“生产效率”的赛跑。 当你担心被取代时，不妨问问自己：我的行业是在生产大家都买够了的衬衫，还是在挖掘无穷无尽的人类渴望？
参考资料：
https://www.wreflection.com/p/ai-dial-up-era https://worksinprogress.co/issue/the-algorithm-will-see-you-now/ https://www.worksinprogress.news/p/why-ai-isnt-replacing-radiologists https://en.wikipedia.org/wiki/Jevons_paradox https://scholarship.law.bu.edu/faculty_scholarship/815/ https://www.economist.com/leaders/2025/09/11/what-if-the-3trn-ai-investment-boom-goes-wrong https://en.wikipedia.org/wiki/Dot-com_bubble https://www.paulgraham.com/bubble.html https://stratechery.com/2021/the-death-and-birth-of-technological-revolutions/ https://www.wreflection.com/p/wrapping-your-head-around-ai-wrappers https://x.com/karpathy/status/1971220449515516391